当前位置：首页 > article >正文

分享一些多模态文档解析思路

article 2025/9/16 1:04:22

多模态文档解析思路小记

作者：Arlene

原文：https://zhuanlan.zhihu.com/p/1905635679293122466

多模态文档解析内容涉及：文本、表格和图片

解析思路v1

基于mineru框架对pdf文件进行初解析

其具备较完整的布局识别和内容识别，并将识别的结果编辑为markdown格式。

针对使用场景如合同审核进行二次处理

合同审核场景对合同内容的准确性和完整性要求较高，故将解析出的discarded_blocks内容进行复原，重构md文件。

多模态内容理解

使用vlm对合同的图像和表格图像进行整体内容分析。经测试，至少qwen 2.5 vl -7b以上的模型方可实现较为准确的内容描述。

v1版问题及解决方案：

出现整行内容识别遗漏。（解决：将magic-pdf版本更新至3.11版本，一定程度上解决了现在的问题）
discared_blocks中可能包含一些识别准确率较低的内容。（解决：通过score设置阈值&判断文本字数筛选）
表格截取不全

参考

mineru项目地址：GitHub - opendatalab/MinerU: A high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具，将PDF转换成Markdown和JSON格式。

分享一些多模态文档解析思路

多模态文档解析思路小记作者：Arlene 原文：https://zhuanlan.zhihu.com/p/1905635679293122466 多模态文档解析内容涉及：文本、表格和图片解析思路v1 基于mineru框架对pdf文件进行初解析其具备较完整的布局识别和内容识别，并将…...

编程日记 2025/9/14 10:05:55

CSS 选择器入门

一、CSS 选择器基础：快速掌握核心概念什么是选择器？ CSS 选择器就像 “网页元素的遥控器”，用于定位 HTML 中的特定元素并应用样式。 /* 结构：选择器 { 属性: 值; } */ p { color: red; } /* 选择所有<p>元素，…...

编程日记 2025/9/12 5:23:11

【Django】Django DRF 中如何手动调用分页器返回分页数据（APIView，action场景）

📦 Django DRF 中如何手动调用分页器返回分页数据（APIView，action场景） 在使用 Django REST Framework（DRF）时，很多人习惯了用 GenericAPIView 或 ViewSet 自动帮我们处理分页。但在某些场景中…...

编程日记 2025/9/1 17:19:08

AI知识梳理——RAG、Agent、ReAct、LangChain、LangGraph、MCP、Function Calling、JSON-RPC

AI技术I AI技术II RAG 📌 高度凝练表达 RAG （检索增强生成）是一种结合信息检索与生成式人工智能的技术框架，旨在提升大型语言模型（LLM）的输出准确性和实用性。通过在生成响应前引入外部知识库的信息&#…...

编程日记 2025/9/8 18:35:52

Vue组件通信方式及最佳实践

1. Props / 自定义事件 (父子通信) 使用场景父子组件直接数据传递代码实现  <template><Child :message"parentMsg" update"handleUpdate" /> </template><script setup> import { ref } from vue…...

编程日记 2025/8/19 6:31:41

【实用教程】如何快速搭建一套私有的埋点系统？

这篇教程将基于开源项目-ClkLog，教大家快速搭建一套自有的埋点系统，从0开始完成数据采集、分析与展示，全流程掌控用户行为数据。 ClkLog是一款支持私有化部署的全开源用户行为数据采集与分析系统，兼容Web、App、小程序多端埋点&am…...

编程日记 2025/9/10 9:42:24

深入解析 Uniswap：自动做市商模型的数学推导与智能合约架构

目录 1. 自动做市商（AMM）模型的数学推导1.1 恒定乘积公式推导1.2 价格影响与滑点 2. Uniswap 智能合约架构解析2.1 核心合约（Core）2.1.1 工厂合约（Factory）2.1.2 交易对合约（Pair） 2…...

编程日记 2025/9/10 9:43:07

spring配置并使用rabbitmq

本篇博客默认你已经成功安装了rabbitmq。如未安装，可参照官网https://www.rabbitmq.com/docs/platforms，选择对应平台进行安装一、虚拟主机虚拟主机的概念： 虚拟主机不是指vm虚拟机，而是指一个通过逻辑进行资源隔离和分区的机…...

编程日记 2025/9/5 16:53:41

Android开发——不同布局的定位属性与通用属性

目录不同布局的定位属性1. 线性布局（LinearLayout）2. 相对布局（RelativeLayout）3. 约束布局（ConstraintLayout）4. 表格布局（TableLayout）5. 网格布局（GridLayout&#x…...

编程日记 2025/9/3 17:15:01

React 19版本refs也支持清理函数了。

文章目录前言一、refs 支持清理函数二、案例演示1.useEffect写法2.React 19改进的ref写法总结前言 React 19版本发布了ref支持清理函数了，这样就可以达到useEffect一样的效果了。为啥需要清理函数呢，这是因为节约内存。清理事件监听（避…...

编程日记 2025/9/14 10:41:59

Python高效网络爬虫开发指南

Python 网络爬虫入门与实战一、引言随着互联网数据的爆炸性增长，获取和分析这些数据变得越来越重要。网络爬虫作为数据采集的重要工具，在这其中扮演了不可或缺的角色。二、环境搭建首先我们需要安装Python环境以及一些必要的库： req…...

编程日记 2025/7/31 17:17:26

Python爬虫实战：获取国家统计网最新消费数据并分析，为从业者做参考

一、系统定义与架构设计 1.1 系统定义本系统基于 Python 爬虫技术构建，实现国家数据网消费数据的自动化获取、清洗、分析及可视化。通过定义标准化的数据采集流程、反爬策略、数据分析模型，为经济研究、行业分析等场景提供数据支持。 1.2 架构设计数据采集层 --> 数据…...

编程日记 2025/8/19 6:21:15

Python中使用uv创建环境及原理详解

Python中使用uv创建环境及原理详解摘要：本文详细介绍uv工具的功能、安装及使用方法，重点阐述如何利用uv创建和管理Python环境，并深入分析其工作原理。uv作为一款高性能的Python包和项目管理器，凭借其快速的依赖解析、内置虚拟环…...

编程日记 2025/7/31 21:32:11

阿尔泰科技助力电厂——520为爱发电！

当城市的霓虹在暮色中亮起，当千万个家庭在温暖中共享天伦，总有一群默默的 "光明守护者" 在幕后坚守 —— 它们是为城市输送能量的电厂，更是以科技赋能电力行业的阿尔泰科技。值此 520 爱意满满的日子，阿尔泰科技用硬核技…...

编程日记 2025/9/10 9:46:36

【Golang笔记02】函数、方法、泛型、接口学习笔记

Golang笔记02：函数、方法、泛型、接口学习笔记一、进阶学习 1.1、函数 go中的函数使用func关键字进行定义，go程序的入口函数叫做：main，并且必须是属于main包里面。 1.1.1、定义函数 （1）普通函数 go中…...

编程日记 2025/8/19 22:18:03

C#语法篇：基类子类转换，成员变化情况

在C#中，会有从子类对象到基类对象的转换，这属于C#中的向上扩容，一般可以默认转换。方法的转换 using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks;namespace ex3._4 …...

编程日记 2025/9/10 9:43:07

【漫话机器学习系列】264.内距（又称四分位差）Interquartile Range

深入理解内距（Interquartile Range，IQR）——数据分析中的异常值利器在日常的数据分析中，我们经常需要识别和处理异常值（Outliers），而内距（Interquartile Range，简称 IQR…...

编程日记 2025/9/11 22:29:10

海外盲盒系统开发：重构全球消费体验的科技引擎

当盲盒文化席卷全球，海外盲盒系统开发已成为重构消费体验的核心赛道。数据显示，2025年全球盲盒市场规模突破120亿，东南亚市场年增长率达4540。我们开发的海外盲盒系统，以技术创新为驱动，打造覆盖全链路的全球化解决方案…...

编程日记 2025/9/11 22:29:03

高噪声下扩展边缘检测算子对检测边缘的影响

目录一、常见的边缘检测算子二、扩展边缘检测算子对检测边缘的影响三、结论一、常见的边缘检测算子 Sobel 算子： Prewitt算子;...

编程日记 2025/9/14 11:19:40

vuejs处理后端返回数字类型精度丢失问题

标题问题描述后端返回数据有5.00和3.30这种数据，但是前端展示的时候返回对应分别为5和3.0，小数点后0都丢失了。接口返回数据展示network-Response： 接口返回数据展示network-Preview： 错误数据效果展示发现问题浏览器接口…...

编程日记 2025/9/11 22:28:43

mysql数据库-中间件MyCat

1. MyCat简介在整个 IT 系统架构中，数据库是非常重要，通常又是访问压力较大的一个服务，除了在程序开发的本身做优化，如： SQL 语句优化、代码优化，数据库的处理本身优化也是非常重要的。主从、热备、分表分…...

编程日记 2025/9/14 12:17:07

手搓四人麻将程序

一、麻将牌的表示在麻将游戏中，总共有一百四十四张牌，这些牌被分为多个类别，每个类别又包含了不同的牌型。具体来说，麻将牌主要包括序数牌、字牌和花牌三大类。序数牌中，包含有万子、条子和筒子，每种花色…...

编程日记 2025/9/14 10:33:25

PotPlayer 安装 madVR、LAV Filters 以提升解码能力和视频音频效果

PotPlayer自带的解码器并不是最好，如下两张截图都是出自 TOP GUN: Maverick 较暗、灰蒙蒙的一张，是安装插件之前明亮的一张，是安装插件之后详细安装参考 https://www.bilibili.com/video/BV1UV5qzuE74?spm_id_from333.788.videopod.sectio…...

编程日记 2025/9/11 22:28:24

阿里云域名绑定华为云服务器ip

阿里云（万网）域名转入华为云域名图文教程上-云社区-华为云阿里云（万网）域名转入华为云域名图文教程-云社区-华为云在阿里云备案了域名，解析到华为云服务器，不在同一个服务商这样可以使用么&#xff1f…...

编程日记 2025/9/8 14:43:55

windows7安装node18

1、要安装windows系统更新 2、node下载：CNPM Binaries Mirror 3、下载zip安装包，解压后将目录添加至环境变量。 4、node -v检查是否成功安装。 5、npm install -g vite4.0.0...

编程日记 2025/9/8 19:31:52

Maven配置安装

（2025.1.27）最新版MAVEN的安装和配置教程（超详细）_maven安装-CSDN博客...

编程日记 2025/9/8 15:39:33

小刚说C语言刷题—1153 - 查找“支撑数”

1.题目描述在已知一组整数中，有这样一种数非常怪，它们不在第一个，也不在最后一个，而且刚好都比左边和右边相邻的数大，你能找到它们吗？ 输入第一行为整数 m，表示输入的整数个数。&#xff0…...

编程日记 2025/9/8 11:44:08

Kind方式部署k8s单节点集群并创建nginx服务对外访问

资源要求请准备好doker环境，尽量用比较新的版本。我的docker环境如下 docker 环境： Docker version 20.10.21, build 20.10.21-0ubuntu1~18.04.3 安装kind kind表现上就是一个二进制程序，下载对应版本并增加执行权限即可： cu…...

编程日记 2025/9/14 10:34:52

K个一组链表翻转

目录 1. 题意 2. 解题思路 3. 代码 1. 题意给一个链表，按 k 进行翻转，也就是 k 2 ，两两进行翻转，如果不够2则不动。 2. 解题思路首先思考怎么翻转一个链表，反转链表：https://leetcode.cn/problems…...

编程日记 2025/9/11 22:28:01

Python60日基础学习打卡D32

我们已经掌握了相当多的机器学习和python基础知识，现在面对一个全新的官方库，看看是否可以借助官方文档的写法了解其如何使用。我们以pdpbox这个机器学习解释性库来介绍如何使用官方文档。大多数 Python 库都会有官方文档，里面包含了函数…...

编程日记 2025/9/14 11:19:50

多模态文档解析思路小记

解析思路v1

v1版问题及解决方案：

参考

相关文章：